申请/专利权人:三峡大学
申请日:2024-01-23
公开(公告)日:2024-04-05
公开(公告)号:CN117830748A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/80;G06V10/82;G06V10/774;G06T3/4038;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明涉及基于金字塔网络与特征采样注意力机制的信号搜寻系统,采用多头注意力机制的深度学习模型从图像帧中搜寻时间序列信号,所述系统包括图像金字塔模块、小波变换模块、语义特征提取模块、特征融合模块和目标信号检测模块。采用图像金字塔模块构建不同尺寸下的图像特征,利用小波变换模块和语义特征提取模块分别对不同尺寸的图像特征进行特征提取,再使用特征融合模块对小波变换模块和语义特征提取模块输出的图像特征进行特征融合,然后根据融合特征判断当前信号帧图像中是否存在时间序列信号。本发明通过对图像金字塔的不同层特征充分利用以提高模型对信号的感知能力。
主权项:1.基于金字塔网络与特征采样注意力机制的信号搜寻系统,其特征在于,采用多头注意力机制的深度学习模型从图像帧中搜寻时间序列信号;所述信号搜寻系统包括:图像金字塔模块:利用图像金字塔生成网络从待检测的图像帧中提取不同尺度的特征图,输出多尺度的图像特征至小波变换模块和语义特征提取模块;小波变换模块:捕捉图像在不同尺度不同频域不同方向上的特征信息,并过滤信号中的噪声,提高信噪比;语义特征提取模块:采用多头注意力机制,学习、获取信号图像的全局语义特征;特征融合模块:采用特征采样注意力机制,对小波变换模块和语义特征提取模块输出的特征数据进行融合,关注关键特征通道,提高特征表征能力,输出融合的图像特征至信号分类模块;目标信号检测模块:根据特征融合模块输出的图像特征,判断图像中是否有目标信号。
全文数据:
权利要求:
百度查询: 三峡大学 基于金字塔网络与特征采样注意力机制的信号搜寻系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。